随着城市化的快速发展，城市机动车数量飞速上升，城市交通的供需矛盾日益紧张。当今，解决交通问题的有效途径之一就是建设智能交通系统。交通预测作为这一智能系统的关键技术，是交通诱导及交通控制的前提和关键。本文结合实际道路交通状况特征，采用两种方法对交通流进行预测，分别是：移动平均法和指数平滑法。其中主要使用了二次移动平均法、一次指数平滑法和二次指数平滑法，并对二次指数平滑法进行了改进，提高了预测精度。本文主要工作如下：第一，为了提高预测精度，利用历史趋势法和相邻补齐法修复了原始交通流数据中的丢失数据和错误数据，然后对冗余数据进行了约简，最后整合了多车道数据，得到该道路的总流量，以此作为该道路短时交通预测的基础数据。第二，根据交通流数据较强的时间关联性这一特点，本文使用时间序列模型中的二次移动平均法、一次指数平滑法和二次指数平滑法对交通流进行了预测并进行了误差分析，结果表明，二次指数平滑法预测精度较高。第三，通过公式推导，对二次指数平滑法的线性预测模型进行了简化；结合最小二乘法原理，采用多项式拟合使预测值逼近真实值。实验结果表明，本文采用的改进的二次指数平滑法进一步提高了预测精度，并且预测结果与实际也比较吻合。